-
公开(公告)号：CN109636815B
公开(公告)日：2021-05-25
申请号：CN201811558237.6
申请日：2018-12-19
Applicant: 东北大学
Abstract: 本发明公开了一种基于计算机视觉的金属板带产品标签信息识别方法，通过轻量级网络的分割获取产品标签区域的位置，经过图像处理手段获取产品标签的坐标信息，实现透视变换的矫正，利用VGG16进行旋转文本的识别，利用方差方法进行文字旋转小角度的配准，有效地提升了文本位置的检测以及文本识别的精度，采用了YOLOv3以及ENet使得文本的矫正与位置获取更快更准，有效地较小计算机的损耗以及对于计算机性能的要求，利用CRNN中LSTM的特点实现不定长文本的检测，有效地提升检测的性能，在光照不均匀、复杂背景、多语言混合、文本复杂版式、产品标签图片旋转、仿射扭曲以及透视扭曲等自然场景下均有良好的识别性能，为金属板带产品标签信息的录入提供便利。
-
公开(公告)号：CN109636815A
公开(公告)日：2019-04-16
申请号：CN201811558237.6
申请日：2018-12-19
Applicant: 东北大学
CPC classification number: G06T7/11 , G06K9/3208 , G06K9/3275 , G06K9/344 , G06K2209/01 , G06T7/187 , G06T7/194
Abstract: 本发明公开了一种基于计算机视觉的金属板带产品标签信息识别方法，通过轻量级网络的分割获取产品标签区域的位置，经过图像处理手段获取产品标签的坐标信息，实现透视变换的矫正，利用VGG16进行旋转文本的识别，利用方差方法进行文字旋转小角度的配准，有效地提升了文本位置的检测以及文本识别的精度，采用了YOLOv3以及ENet使得文本的矫正与位置获取更快更准，有效地较小计算机的损耗以及对于计算机性能的要求，利用CRNN中LSTM的特点实现不定长文本的检测，有效地提升检测的性能，在光照不均匀、复杂背景、多语言混合、文本复杂版式、产品标签图片旋转、仿射扭曲以及透视扭曲等自然场景下均有良好的识别性能，为金属板带产品标签信息的录入提供便利。
-
公开(公告)号：CN110147788B
公开(公告)日：2021-09-21
申请号：CN201910448218.6
申请日：2019-05-27
Applicant: 东北大学
Abstract: 本发明公开了一种基于特征增强CRNN的金属板带产品标签文字识别方法，包括以下步骤：准备图片数据库；准备识别字典；进行预处理并扩充训练库；针对钢铁工业应用中金属板带产品标签文字设计并建立一种特征增强的深度卷积循环神经网络；针对所述特征增强的深度卷积循环神经网络，采用所述训练库中的训练范例图片进行多次训练；基于得到的训练后的深度卷积循环神经网络模型中最后一级神经网络架构的输出值对钢铁工业应用中金属板带产品标签上的文字进行识别。本发明通过对钢铁工业现场中拍摄的大量的金属板带产品标签的分析，从实际出发将原始的文字识别网络CRNN通过特征增强实现了更为精准的特征学习，在现实场景中的识别结果有了非常高的可靠度。
-
公开(公告)号：CN110147788A
公开(公告)日：2019-08-20
申请号：CN201910448218.6
申请日：2019-05-27
Applicant: 东北大学
Abstract: 本发明公开了一种基于特征增强CRNN的金属板带产品标签文字识别方法，包括以下步骤：准备图片数据库；准备识别字典；进行预处理并扩充训练库；针对钢铁工业应用中金属板带产品标签文字设计并建立一种特征增强的深度卷积循环神经网络；针对所述特征增强的深度卷积循环神经网络，采用所述训练库中的训练范例图片进行多次训练；基于得到的训练后的深度卷积循环神经网络模型中最后一级神经网络架构的输出值对钢铁工业应用中金属板带产品标签上的文字进行识别。本发明通过对钢铁工业现场中拍摄的大量的金属板带产品标签的分析，从实际出发将原始的文字识别网络CRNN通过特征增强实现了更为精准的特征学习，在现实场景中的识别结果有了非常高的可靠度。
-
-
-
Search Results
4
records
(took 0.013 seconds)
